349204_ja-JP

liliconcom

Dairygold でのデータ搾取: 棒グラフからニューラル ネットワークまで (2021-EU-30MP-735)

レベル: 中級

 

Kieran O'Mahony 氏、Dairygold、データ サイエンス & アナリティクス マネージャー

 

現代世界では、データ分析の使用は通常、金融、ヘルスケア、製薬、医療機器、半導体、電子商取引などの業界に関連しています。 農業と分析という単語が同じ文に含まれることはほとんどありません。 このセッションでは、伝統と歴史に彩られたこのような企業が、「データは豊富だが情報が乏しい」とみなされる企業をもはや見なされないようにするために、データ分析の使用をどのように受け入れ、奨励してきたかについて洞察を与えます。このセッションでは、JMP の使用により、Dairygold 全体でよりデータに基づいた意思決定がどのように可能になったかを示す複数の例を示します。

 

 

自動生成されたトランスクリプト...

 

スピーカー	成績証明書
キーラン・オマホニー	さて、どうもありがとうございます。私の名前は Kieran O'Mahony で、アイルランドの Dairygold でデータ サイエンスと分析のマネージャーを務めています。
	私のプレゼンテーションのタイトルは、Dairygold での棒グラフからニューラル ネットワークへのデータの搾り出しです。
	したがって、データ分析の使用は通常、金融、ヘルスケア、製薬、半導体などの業界との関連性が高く、農業と分析という単語が同じ文に含まれることはおそらく稀であると言っても過言ではないと思います。
	したがって、このセッションは、非常に伝統的なビジネスがどのようにビジネス全体で分析の使用を受け入れ、奨励してきたかについて洞察を与えることを目的としています。
	したがって、このセッションは、おそらく Discovery で見られる他のセッションとは異なるものになるでしょう。私がここでやろうとしているのは、1 つのプロジェクトに焦点を当てることではなく、むしろ、どのように行うかを複数の例で示すという意味です。
	Dairygold は JMP を使用して、製造業だけでなく、ビジネス全体でさらにデータ主導の意思決定を可能にしました。これは重要だと思います。
	したがって、始める前に、このビジネスの背景、概要、そして私たちが何をしているのかについて少し説明することが重要だと思います。
	つまり、Dairygold は、ゴールデン バレーの中心部に最先端のチーズと栄養パウダーの製造施設を備えた、アイルランド有数の農家所有の協同組合です。
	さて、それを説明しますと、協同組合として私たちは基本的に...基本的に、私たちが牛乳供給業者、つまり農家によって所有されていることを意味します。
	つまり、私たちに毎日牛乳を供給してくれる牛乳サプライヤーは 2,800 社あり、その全員が株主であり、原料サプライヤーがビジネスのオーナーでもあるという意味で、少し特殊なビジネスモデルとなっています。
	昨年の売上高は 12 億ユーロで、当社には約 1,200 人の従業員がおり、年間約 14 億リットルの牛乳を処理しているため、毎日かなりの量の牛乳が私たちに届けられます。 実際には、
	当社では季節営業を行っているため、生産のピーク時には、毎日 600 万リットルを超える牛乳が現場に届くことになります。
	小売店もあり、ハンマーから家庭用電化製品、農機具まで、あらゆるものを購入できます。 また、当社は農業面でも事業を行っており、工場で動物の飼料を生産しています。
	デイリーゴールドは古くから存在しており、1908 年にバリークラフとして始まり、1919 年にミッチェルズタウン、そして 1990 年にデイリーゴールドになりました。
	そして、私たちはおそらく...いや、おそらくそうではありません...何年も前に牛乳を馬車で配達することから、私たちは非常に長い道のりを歩んできたと言っても過言ではありません。
	非常に伝統的な組織であり、多くの歴史がありますが、同時に非常に進歩的な組織でもあります。
	そして、私たちが長い道のりを歩んできたと言うとき、ご存知のように、私たちは現在、タンカー艦隊を備えた非常に大規模なサプライチェーンを持っており、それぞれのタンカーは、
	ここで例をご覧ください。各タンカーは約 26,000 リットルの牛乳を輸送しており、私たちは 2,800 のサプライヤーから毎日牛乳を集めています。 そして、それは非常に複雑なサプライチェーンです。
	私たちはサプライヤーから牛乳を収集するだけでなく、自動的に指示していない場合はチーズ加工工場からもホエーを収集します。
	パイプを通って別のサイトに移動します。 そこで私たちはタンカーでも収集し、他の現場に輸送しました。
	また、他の顧客に販売する脱脂濃縮乳と脱塩ホエイ濃縮物についても同様のことを行っており、粉末部分とチーズ部分も販売しています。
	ヨーロッパ最大の乾燥機 (?) もいくつかあります。特にここでは 5 ～ 6 階建ての乾燥機をご覧いただけます。
	過去 5 ～ 6 年間で、Dairygold は工場全体に 4 億ドル以上を投資しました。
	将来の牛乳プール(?)の増量ニーズにも対応できます。 私たちが作る製品に関して言えば、
	ほとんどの場合、全粉乳から脱脂粉乳、プロテインパウダー、そしてさまざまな種類のチーズ、特にチーズとチェダーチーズに至るまで、パウダーとチーズが含まれます。
	また、当社は菓子やピザからセイボリー、ヨーグルトや加工食品、さらには乳児用粉ミルクや離乳食に至るまで、複数の分野に製品を供給しています。
	そして、おそらくあなたは...今日少しでも食事をしたことがあるなら、脱脂粉乳や全粉乳も摂取した可能性が非常に高いです。なぜなら、スキムミルクや全粉乳は、最近では非常に多くの食品成分に広く使われているからです。
	そういう背景があったんですね。 データに関して言えば、データは豊富にあるものの、情報が乏しいと考えられている企業がたくさんあると言っても過言ではないと思います。
	また、データが増えれば増えるほど、それに伴って何が起こるのか、さらに混乱が生じることもあると言えます。
	そして時々、すべての情報を持っていて、これだけの人口がいて、正確に何についてのアイデアを持っているとしても、そう言うのが公平だと思うことがあります。
	ビジネスから有益な情報を得るために抽出する必要がありますが、企業はそのデータをどう扱うべきか正確にわかっていないことがあります。
	デイリーゴールドの観点からすると、私たちがやりたいのは、推測や直感、推測や直観を使うことに集中している右脳からもっと離れようとすることです。
	そして、左脳への移行が進み、論理と数学、理性と科学の使用に重点が置かれていますが、これは私たちがビジネスでもっと活用し、ビジネス全体でデータ主導の意思決定をもっと活用したいと考えているものです。
	私はプレゼンテーションの前に、Dairygold のデータ戦略について 1 ページにまとめて要約するように頼まれたことがあります。その時はおそらく...
	当時、確かなデータ戦略を持っていなかった可能性があることに気づいたのはその時でした。
	しかし、私が今ここでやろうとしていることは、実際のデータ戦略が何であるかを 1 つの図で示すだけであり、それは非常に簡単です。
	そこで私たちは、ビジネス内に存在するデータを取得し、分析を利用して有用な情報に変えたいと考えています。
	そして、その情報から、私たちが抱えていた重要な質問に対する答えが得られます。また、時には、抱えていた質問に対する答えが得られるだけでなく、
	実際にはさらに多くの疑問が生じます。 しかし、これらは本当に重要であり、非常に強力な質問です。なぜなら、これらは私たちが最初から問うべきことを知らなかった質問だからです。
	したがって、場合によっては、過去に戻ってデータをもう一度確認し、これらの質問に対する答えを得ることが必要になることがあります。
	しかし最終的に、すべての質問に対する答えが得られるところまで到達すると、私たちははるかに良い立場に立つことができ、プロセスについてより多くの洞察を得ることができます。
	そして、その洞察により、私たちはデータに基づいたタイムリーな決定を下し、正しい方向へ送り出すことができるようになります。
	そして、プロセスを十分に理解し、十分な洞察力を持っていれば、そのデータを使用して次のことができるはずです。
	将来何が起こる可能性があるかを高い精度で理解します。 したがって、優れた洞察力があれば、何が起こるかを予測できる優れた先見性も得られるはずです。
	したがって、最初に述べたように、このプレゼンテーションの目的は、Dairygold 全体でデータがさまざまな方法で使用されている例をいくつか挙げることです。
	私たちは、データに基づいて意思決定を行うという点で、内部の観点から見てかなり長い道のりを歩んでおり、現時点では機械学習と AI の全領域に着手し始めています。
	したがって、私はシンプルでも非常に強力になり得ると強く信じています。
	それが、このプレゼンテーションが棒グラフからニューラル ネットワークへという理由です。
	そして、非常に単純な分析から多くの価値を引き出せることを強調することが非常に重要だと思います。 ここで最初に共有したい例は、単なる棒グラフです。
	しかし、時々、プレゼンテーションで複数のページにまたがる棒グラフを表示する人がいると思います。JMP を使用すると、すべての情報を 1 つのページにまとめるだけでとても簡単になります。
	意見。 この場合、洗浄プロセスにおける硝酸を調べており、この上部では、個々のデータ ポイントと硝酸洗浄プロセスのすべての段階のそれぞれを確認できます。
	各ステップで使用された硝酸のレベルも確認できます。 次のステップでは、使用回数、つまりそのステップが循環された回数を調べます。
	ここでは、各ステップでの硝酸の平均使用量を調べています。 例として、次のことがわかります。
	ここでは平均より高い 1 週間あたり 24 リットルが使用されていますが、そのステップが発生する頻度はわずか 4 回でした。
	そして、ここではこの異常値によって明らかに偏っていました。したがって、これは明らかに歪んでいます、そしておそらく私たちにとってさらに重要なのは、私たちがここでやろうとしているのは理解することだからです
	そして、毎日、毎週、毎月使用される硝酸の量を減らします。これは、各プロセスステップのプロセス全体で使用される硝酸の合計です。
	そして、何が重要でしたか...ここで強調するのに何が重要だったか、これもまた単純な棒グラフですが、それは私たちに大きな方向性を与えてくれました。
	ビジネスで私たちを送り出しました...申し訳ありませんが、私たちをあまり関係なく送り出すのは避けました。なぜなら、このすべてのデータを見てみると、
	さまざまな領域が飛び出しました。 最終すすぎ、前すすぎ、そして別の最終すすぎのステップもありました。 そしてデータは示していました
	これらのすすぎステップ中に酸が使用されていた可能性がありますが、すすぎステップには水だけが含まれるため、これは不可能です。
	そこで、さらに詳しく調べてみると、最初はベンダーによってスキャナー (?) システムに間違ったデータ タグが設定されていたことがわかりました。
	監視されている流量については。 したがって、実際に硝酸の使用量を監視していると思っていましたが、実際には監視されていませんでした。 私たちは誤った情報を伝えられていました。 それで
	実際に深く掘り下げてプロセスとそれを推進しているものを理解することもできましたが、非常に単純な棒グラフが適切な方向性を中心にしていることが多く、ビジネスで実際に何が起こっているのかを正確に理解することができました。
	ビジネスでの棒グラフの使用法ですが、正直に言うと、これは非常にシンプルなため、おそらくビジネスでの棒グラフのお気に入りの使用法の 1 つです。
	しかし、それは...ダウンタイムの 4 つの異なる側面を 1 つのページにすべて表示しており、非常にシンプルで非常にユーザーフレンドリーで、直感的に使用したり読んだりできると思います。
	ここで得られるのは、チーズ工場で監視されている 1 か月あたりのダウンタイムの量です。 ここでは Y 軸でダウンタイムを分単位で表示しています。
	チーズ工場内の 6 つの異なるエリアごとに、4 月、5 月、6 月、7 月、…と 9 月までの 6 か月間を降順、時間順に並べると思います。
	シフト A、B、C、D ごとに。分数が非常に短いため、データがでっち上げられたと考えるのも無理はありませんが、これは非常に重要です。
	工場が止まらないチーズ製造の視点。 つまり、これらは実際の数字であり、ダウンタイムを月ごとに分単位で監視しているということです。
	プロセスが停止すると、製品の pH が変化し、悪影響を及ぼす可能性があります。
	最終的な販売価格や製品の品質も左右するため、立ち止まらないことが重要です。
	これがメンテナンスの観点から見たレベルです。 時間は数分に達しており、明らかにここでわかるのは、BetaVac にはそれほど多くの問題はありませんが、ブロックフォーマーに関しては、シフト C と D に問題が発生していることがわかります。
	Blockmaster の C に関するその他の問題については、こちらをご覧ください。 このコンベアのエリアでは、ガゼッター C と D のために、再び C が飛び出ています。
	そしておそらくここでCとDに関するさらなる問題が発生します。 この分析から導き出せるのは、シフト C と D はメンテナンスの観点から少し苦労しており、もう少しサポートが必要であるということです。
	特にダイナミックリンクが気に入っています
	JMP の要素もデータ探索に使用されます。 そして、この場合、指摘しておきたいのですが、当社には社内に多くの研究所があり、微生物学、化学などの研究を行っています。研究室、
	私たちは牛乳、チーズ、水、製造途中の製品、最終製品をテストし、ビジネスの膨大な数の要素をテストします。
	そして、このインタラクティブなリンク機能は、ご覧のとおり、インタラクティブな HTML 化されました。
	は、社内のさまざまな人々が作業してリポジトリを構築し、それを表示して操作できるようにするために使用されました。
	ここでやろうとしているのは、ビジネス内に存在する問題が存在するリポジトリを作成することです。この場合、ブロックを強調表示しています...申し訳ありませんが、ブロックされたチューブと蒸発器の CIP と電源切断を表示しています。
	電源切断をクリックすると、緑色のバーの影付きの領域が強調表示されるのがわかります。 この場合、8 月に 1 つ以上の停電が発生したことがわかります。
	ここでのこれらの処理段階に影響を及ぼし、特にこれらのプロセスで最も多く見られた微生物は連鎖球菌でした。
	したがって、ここでの価値は、要素の観点からこのリポジトリに課題を追加し続けると、次のことが可能になるということです。
	将来を見据えて、何かが起こったときのビジネスへのリスクを確認することで、次に停電が発生したときに、溶連菌感染のリスクが高まるため、この段階またはプロセスでの検査量を増やす必要があることがわかります。
	時々、バーが多すぎて追加する必要がある点に達することがあります。季節性とスムーズさを理解しているためです。
	視認性を高めるために、ラインも追加します。 これが私たちのビジネスにおける課題であり、後で触れますが、ビジネスの季節性の要素です。
	牛が草を食べ、その草が最終的には牛乳を作るために使われること、そしてアイルランドでは天候が非常に不安定であることから、私たちは非常に熱心に取り組んでいます。
	ある日は雨が降り、次の日は雪が降り、次の日は晴れる可能性があるため、季節性の観点から見ると、ここのバーの色はそれぞれ異なる年を表すために使用されており、2015、16、17、18 となります。
	そして、それは週末だけであることを付け加えておきますが、週末全体の注文はグリーンの真ん中にあると見ています。
	2016 年と 17 年はこの M 字型をしているという点で似ているのに対し、ここでの 2018 年は非常に異なっていることがわかります。
	例として、私たちが皆で雪玉を投げ合っているところを示します。6週間後には熱波が発生し、給水ホースが禁止されました。
	ビジネス内で事実上天候に依存する季節性データを使用することは非常に非常に困難ですが、それは私たちが克服しようとしている課題の 1 つです。
	したがって、トレンドから見て、トレンドの観点から、非プロジェクト主導の探索にも JMP を使用します。 ここでは、2,800 社の牛乳供給業者の月平均の例を示します。
	タンパク質と脂肪の両方の結果が 2 年間にわたって得られます。 したがって、ここのすべての目盛りは、この場合は 2018 年 9 月、2018 年 10 月などを表します。
	したがって、これは、サプライヤー内およびサプライヤー間の両方に存在する変動の範囲を示しています。 そして、役に立つのは、ゾーンインできることです。例として、特にこの男について、なぜこの男はこんなに高いのか? と言えることです。
	そして、彼は脂肪とタンパク質の両方が一貫して高いのですが、このサプライヤーから学ぶことができ、他のサプライヤーにももたらすことができるものはありますか?
	それとも逆に、下位に他のサプライヤーはいますか?
	牛乳アドバイザーは常に牛乳に含まれるタンパク質と脂肪のレベルを摂取することができないため、何らかのサポートといくつかの助けがあればそれが可能になります。
	高い。これらは、タンパク質と脂肪のレベルという、農家が報酬を得るパラメータであるため、重要です。
	したがって、この場合、特にこの男性は、1 日 1 回のみ搾乳することを選択した数少ない牛乳供給業者の 1 人であることが判明しました。
	つまり、彼の脂肪とタンパク質のレベルは実際には他の人よりも高いが、デイリーゴールドに還元できる量は少ないということですが、それは彼の選択です。
	平行プロット。
	これらは私の現在のお気に入りです。なぜなら、非常に多くの異なるパラメーターについて、非常に多くの情報が 1 ページに同時に表示されると思うからです。
	これは現在実際に発生している問題なので、文字通り報道されていませんが、実際にはまだ問題は解決されていません。
	ここで私たちが注目しているのは...流動床乾燥機とサイクロンにおける断続的な粉体詰まりに関連しています。
	これは基本的に、粉末が乾燥機とサイクロンを詰まらせていることを意味します。 これらをチョークと呼びます。つまり、機器が窒息しているため、機器を停止して掃除する必要があります。
	ここで実際に見ているのは
	30 の異なるパラメータがすべて測定され、ここではすべて X 軸に表示されます。
	左から右に向かう各線は、これら 30 個の各パラメーターの設定の 1 分間を表します。 赤は、
	チョークが発生する 1 時間前の分です。つまり、これらは 60 分間のレベル設定です。
	発生数...チョークが発生する 60 分前。この赤いグループは、9 つの異なるチョークの発生を表します。
	さて、ここには 540 ストランド以外のものがあります。したがって、これは事実上、チョークが発生する直前に発生したもののフィンガープリントです。
	そして、いつ...私たちがやろうとしているのは、マシンパラメータの観点から、それを典型的な通常稼働の実稼働シナリオと比較することです。
	そして、それは本当に良いことです。なぜなら、それらがどのように比較されるかを見ることができ、それらを互いに重ね合わせることができるとさらに良くなります。私は...ノーチョークがバックグラウンドでゴースト化されているのを確認しました。 さて、興味深いのは、実際に見ることができるということです
	チョークのシナリオとノーチョークの違いを理解し、何が起こっているのかを理解します。 たとえば、現在検討されている質問は次のとおりです。
	ご存知のとおり、これが何であれ、差圧のレベルが低いようです。
	そしてほとんどの場合、窒息を起こしたとき、これは注意すべき潜在的な要因なのでしょうか? これが原因なのでしょうか？ 通常の注文操作のため
	ここでも差圧が良好なときのパラメータが高くなります。 繰り返しますが、ほんの一例です。
	GPS データを使用してサプライヤーの所在地のパターンと傾向を視覚化するため、ここで見ているのは 12 月およびすべてのサプライヤーがいるミュンスター地域全体のタンパク質レベルです。 ここでの各点は、企業内のサプライヤーの所在地を表しています。
	そして、ドットの大きさは、サプライヤーがデイリーゴールドに提供する牛乳の量を表します。つまり、ドットが大きいほど、実際に農場が大きいことを意味します。
	ここには分岐スケールがあり、ボリュームが期待されます...申し訳ありませんが、タンパク質レベルは 3.5 であるはずです。そのため、これにはあまり興味がなく、灰色で網掛けされています。
	しかし、3.5 より大きいものは緑色で表示されます。つまり、彼らは非常にうまくいっている企業です。赤色は、おそらくうまくいっているサプライヤーです。
	すみません、彼らはタンパク質レベルを高めるのに少し苦労しているかもしれません。 したがって、これは私たちが独自のデータを使用して、ミルクアドバイザーからのサポートを必要とする可能性のあるサプライヤーがいるかどうかを確認するために使用できる場所であり、私たちもそれらを支援することができるので、非常に役立ちます。
	地理的要素にこだわることで、古くからの神話も払拭することができました。 それで、これらは
	ウォータークーラーで行われる可能性のある議論では、NPN は間違いなく地理的な影響を受けていると誰かが言うでしょう。
	NPN を説明するのは非常に難しいので、ここでは 1 パイント、お好みで 1 パイントのビールに例えて説明します。 むしろガラスに近いものだと思います。
	そして、誰もが知っているように、牛乳にはタンパク質、脂肪、乳糖、ミネラル、ビタミンが含まれています。 さて、これらは良いことです。
	そして、しかし、それには他にもたくさんのものが含まれており、タンパク質全体だけを見ている場合、1パイント全体が農家からの牛乳から得られるタンパク質であると考えることができます。
	しかし、そのタンパク質は、基本的に飲み物の液体部分である真のタンパク質に分解することができます。
	そして、製造プロセスで実際に使用できるのはこのビットです。 パイントの頭、ここでの泡状の部分は他のもの、つまり尿素や尿酸などです。
	私たちはすべてのタンパク質の代金をサプライヤーに支払っていますが、残念ながら、プロセスですべてのタンパク質を使用することはできません。そのため、ここではこの部分、本物の部分、または本物のタンパク質のようなもののみを使用できます。
	したがって、プロセスに応じて、一年のどの時期においても、非タンパク質窒素である NPN のレベルが高いか低い場合、
	それなら、その製品を特定のサイトに誘導するのが最善かもしれません
	今は別のサイトを経由しているので、おそらく戦略的になるでしょう。 そして、常に疑問なのは、一年の特定の時期に、地理的位置が世界中の非タンパク質窒素レベルに影響を与えるということです。
	地理的な場所。 ここで見ているのは 284,000 のデータ ポイントから得られたデータです。つまり 284,000 の NPN メジャー、
	アイルランド南部のマンスターの 6 つの異なる地域で、年間を通じて非タンパク質窒素を測定しました。
	ここの線は、月ごとに存在する平均値と平均値の差を表していますが、色の観点から見ると地域ごとに異なる平均値も表しています。
	ここの箱ひげ図は、やはり各領域内および各領域間に存在する変動量を表しているため、平均が次のようになっていることが明確にわかります。
	各地域で相互にうまく調和し、変動量が減少するたびに、
	ここで 7 月としましょう。この場合、ティペラリーでのわずかな異常を除いて、すべての地域で減少しているようです。
	しかし、ほとんどの場合、ある地域で変動が増加すると、すべての地域で変動が増加します。
	したがって、私たちはもはや...これと他のものの可能性について話す必要はありません。 データを使用して理論を非常に迅速に証明および反証することもできます。
	私たちは 5 年ごとにミックスのサプライヤーに正中線 (?) の国勢調査を送信し、将来の生産量の意図やサプライヤーが自社の農場で抱えている可能性のある課題を理解するのに役立ちます。
	また、ビジネスの方向性や投資の観点からのセンチメント、さらにはメンバーのセンチメントも示しています。
	そこで最近、私たちは 2,800 社の各サプライヤーに 100 を超える質問を送信しました。この場合、私たちが尋ねた質問は、あなたの農場の成長を制限する要因は何ですか?というものでした。
	そして人々には 9 つの選択肢が与えられたので、この場合は 1 から 9 まで因数分解します。 そこで彼らは、提示された要素を重要性の最も高い順、つまり重要性の低い順に 1 から 9 までランク付けするように求められました。 ご想像のとおり、2,800 件の結果が返されます。
	各サプライヤーからの結果ですが、各結果には 1 ～ 9 のスコアがあり、常に 1 ～ 9 のスコアを獲得したわけではなく、トップ 3 のみを達成した企業もあれば、トップ 5 またはトップ 7 などのスコアを獲得した企業もあるかもしれません。
	したがって、問題は、25,000 のデータ ポイントのすべてのデータを、必要に応じて、Dairygold に報告している農業コミュニティ全体を表す 1 つの明確な図にどのように最適に表現できるかということです。
	そして結果は...つまり、ここでの答えは、単にモザイクプロットであるということです。 ここで、回答者の 48.8% のサプライヤーがファクター 4 を最も重要なものとしてランク付けしていることが非常にはっきりとわかると思います。
	農場の拡大を制限する要因となっている。 これにファクター 5 が続き、19% が最も重要な第 1 位として投票し、23% が投票しました。
	2番目として。 左から右に進むにつれて、農家にとって最も重要な要素が再度わかります。
	したがって、ここでは色が非常に重要であり、私はここでもそのチームと協力して、非常に異なる部分について層別ヒートマップを使用しています。
	小売注文。 したがって、この場合は、週末のみの時間帯別の注文数を調べています。
	店舗への供給用に。 つまり、これは 2015 年から 2018 年の 4 つの異なる年のそれぞれの金曜日、土曜日、日曜日のものです。
	そして、注文が送信される時刻についても。 農家がアプリで注文を送信できるようになりました...または
	彼らは順番に鳴らすことができます。 でも、金曜日にはここではっきりと見えます。
	牛の乳搾りが始まり、何人かの農家が外出し、ちょうど朝の5時に、分かった、もっと飼料が必要だと言いました。 ここではアプリで自動的に注文します。
	そしてまた、おそらく 12 時頃、群れの搾乳時間などに応じて、同じことが起こる可能性があります。 しかし、ここでの価値は、次のことができるということです。
	注文の受け取りが週末で最も混雑する時間帯と、注文を処理する必要がある時間帯を把握することで、
	週末を通して効果的な人員配置をするにはどうすればよいかということです。そのため、日曜日に金曜日と同じ人数の人員を配置するのは意味がありません。 たぶんもっと
	集中して時間を費やす必要があります...そして、より多くの人員を金曜日、そして場合によっては土曜日の早朝にも注文を取得することに集中する必要があります。 そのため、店舗の人員配置レベルははるかに効率的になりました。
	繰り返しますが、色のテーマと、ご存知のとおり、高度な分析を続けますが、お気づきのとおり、すぐにそこに到達します。
	ただし、色のテーマはそのままにしておきます。ここで見ているのは、チーズの大きなベッドをグラフィックで表現した出力です。
	したがって、大きいと言っても、長さはおそらく 25 メートル、幅はおそらく 2 メートルです。 この時点でカードからホエーがすべて排出され、その後、このチーズのベッドが押しつぶされ、70 枚のストリップにスライスされます。
	次に、ストリップを 5 つのブロックに切断し、左側、中央、右側のブロックの高さを測定しました。
	それで、私たちがやろうとしているのは、この大きなチーズの塊のチーズベッドの高さのゲージを取得することです。
	それができるようになると、色やチーズベッドの幅をガイドとして使用して、実際に何が起こっているのかを非常によく把握できるようになりました。
	したがって、明らかに赤は高いことを意味し、緑は少し低いことを意味します。ここではミリメートルで測定しているため、120 ミリメートルから 155 ミリメートルになります。
	明らかに、左上から行くと少し坂があるのがわかります。
	左側に向かって高さが高くなり、同様に左下にも高さがあり、実際にベッドが落下する場所です。
	これは私たちにとって非常に重要です。なぜなら、変動性の観点から、私たちが理解しようとしているのは、ブロックに違いがあるのか...なぜブロックに違いがあるのか...ということだからです。
	私たちのプロセスに送られるブロックの重量は？ これはほぼ理由の 1 つを示しています。 その理由の 1 つは、ブロックの高さが異なる場合、
	その場合、論理的には、チーズが同じ力で同じ大きさに圧縮された場合、ブロックの重量も異なることになります。
	したがって、特にビジネスの分析面に精通していない人にとっては、画像で見たほうが理解しやすいのです。
	分析をさらに詳しく見てみると、私たちはビジネス全体で統計的プロセス管理を多用してきました。
	機会を探し、改善を検証してください。 ここでは二酸化炭素の使用量を調べており、当社の製品、特に粉末では現場で二酸化炭素を使用しています。
	製品の保存期間を延ばすために粉末を袋詰めするとき、これは業界の標準的な慣行です。
	そこで、袋に詰めるときに空気を追い出し、二酸化炭素を加えます。しかし、ここでそれを見て、それから袋を密封します。しかし、ここでわかるように、特に 2017 年には多くのバリエーションがありました。
	そして私たちはそのプロセスを制御することができ、2018 年までに生活が大きく変わり、
	二酸化炭素の平均使用量が大幅に削減されます。 まだいくつかの課題があり、おそらくここでも調査が必要なパターンが出現している可能性がありますが、
	この種のことには、同様に利点があります。なぜなら、プロセスを制御し、それを統計的に実証できている限り、いくつかのプロセスを作成することもできるからです。
	当社の粉末への二酸化炭素の吸収速度を効果的に評価するための研究も行われています。
	これは非常に重要です。なぜなら、製品がどのように二酸化炭素を吸収しているのかを理解できれば、他の利点にもつながるからです。
	脂肪が袋の中の二酸化炭素を吸収すると、この密封された袋の中に真空が生じます。
	袋が粉末の周囲を密閉し始め、粉末の袋がより堅くなります。
	したがって、サプライチェーンの観点から見ると、輸送や出荷のためにこれらのバッグをパレットに積み重ねることができるため、リスクが軽減され、作業が楽になります。
	今では、柔らかくふわふわで柔軟性のある枕を積み上げようとするのではなく、コンクリートのブロックを積み上げているようなものです。 つまり、勝利はあります、すべてにおいて勝利です。 我々は持っています
	私は決してプログラマーではありませんが、アイルランドのユーザー グループからは間違いなく連絡を取り、多大な支援を得ました。
	そしてJMPコミュニティへ... そして実際に、特に、アイルランドのユーザー グループから私たちを助けてくれて非常に役に立ちました、インテルの Troy Hickey について指摘したいと思います。
	JMP コミュニティでは、おそらく明確にしたい分野について、手を差し伸べて質問することができます。
	あるいは、あなたが何も知らない分野について、聞いたこともない人々から返答を得るには、専門家が同様に優れた返答を返します。
	この場合、JSL を使用してコードを作成することができ、これと管理図を作成することができました。
	必要に応じて、タブ形式の形式にします。 この場合、タンパク質を測定するための脱脂粉乳、全粉乳、脱塩ホエイパウダー、カゼインの場合
	私たちのラボでのテスト。 現在、約 30 種類の異なるテストを実施しており、標準と湿式化学の間に存在する違いを監視しています。
	また、手動の方法と近赤外線の方法の間に存在する違い、つまり自動化された方法。
	そして、一例として、湿式化学の基準を検討する場合、ゼロという目標を目指したいと考えています。 研究室でのテスト結果と実際の結果との間に差異が生じることは望ましくありません。
	標準ではそうあるべきだとされています。 したがって、目標をゼロにしたいのですが、これは、この場合、どこに問題があるのかを示しています。
	プロテイン、脱塩ホエイパウダーでは、わずかに不足しています。私たちは .04 であり、プロセスのプロファイルを追跡し、次の情報を得ることができます。
	プロセスがプロセス シフトが発生したことを示すフラグを設定します。 つまり、9 つのデータ…この場合、平均を上回る少なくとも 9 つのデータ ポイントが連続しています。
	そして、プロセスを停止し、これ以上続行しない方がよいことはわかっています。なぜなら、問題を修正するために調査して何かを導入する必要があるからです...問題を修正すること、この場合はプロセスのシフトです。
	したがって、これは私たちにとって非常にポジティブであり、現在このセットアップがあり、毎日実行されている段階にあります。
	ご存知のとおり、この時点のデータ ポイントでも、スクリプトは、管理限界が
	プロセス内の以前のデータに基づいています。 ここの JMP コミュニティに連絡してみてはいかがでしょうか。 の面では
	つまり、この場合、54,000 台のタンカーが 4 つの異なる拠点に真夜中から真夜中まで到着します。
	また、サイトへの配信時間から、存在するさまざまなディストリビューションを把握できるのは非常に優れています。 そして、これは私たちにとって重要です。なぜなら、私たちはタンカーが現場に来ることを望んでいないからです。
	そして牛乳を降ろし、できるだけ早く現場から離れてください。 私たちは、次のようなケースを望んでいません。
	たくさんの束があり、おそらく現場では、トラックが他のトラックの後ろに並んでいるというシナリオが考えられます。 プロセス全体を通して、良い流れにしたいと思っています。
	ここで例として、朝の 8 時から 9 時までを見てみましょう。
	そこは、おそらく人々が朝食を食べに行った場所です。 私たちのトラフィックはより多く、サイトへの配信はそれほど多くありません、そしてここでも同様に、トラフィックは夕方により多くなります
	トラックは停められたり、行方不明になったり…運転手は夕食に出かけたり、等々。 それで、それをもう少し深く掘り下げて、さまざまなサイトのそれぞれについてOKを言うことができるので、2つのサイト、この場合はClonmel RoadとCastlefarm、
	到着する道路については、これらの場所は互いに非常に近く、北、南、東、西に向かう道路については、
	それはどのようなものですか、また、必要なデータ全体に明確な分布があるのでしょうか、または
	たとえば、東部から 24 時間配達をしていない運送業者はありますか。 そして、何が起こっているのかを理解することができ、その情報も取得することができます。
	この場合、オフロードを行っている 11 台のポンプを備えた 2 つのサイトがあるため、ポンプのオフロード率からOKと言えます。
	2 つの拠点で年間 5 億リットル以上。
	そして、どのポンプが他のポンプよりも効率が高いか低いかを理解したいと考えています。 そして明らかに、ここではより高いオフロード率を持つポンプが 4 つあることがわかります。
	そのため、おそらく他の搾乳機よりも、同じ時間内でより速く、より多くの母乳を搾乳することができます。 ここでわかりますが、
	サイト 2 では、ポンプ 3 が最も効率の高いポンプですが、全体としてはポンプ 4 とポンプ 3 が最も効率の悪いポンプです。 したがって、メンテナンスのオーバーホールを行う場合、最初にオーバーホールする必要があるのはこれらのポンプであることがわかります。
	私たちは JMP を使用して、測定システムの優秀性と機会の両方を評価しています。
	何度も繰り返すので、もう追跡することさえできません。 この場合、オルトリン酸塩 (?) に注目すると、これは標準的なゲージ R&R であり、結果は非常に良好です。 そこで
	19 の異なるカテゴリの数。 19 は優れており、ゲージ R&R は 0.5 であるため、10 未満が理想的であり、これは単に私たちが本当に優れたものを持っていることを意味します。
	一貫して信頼性の高い測定システムが導入されていること。 そして、アナリストにどの部分を渡しても、彼らは戻ってきて同じ結果を与えるでしょう。
	したがって、テストを実行する人はテストの結果に影響を与えません。これは常に確認したいことです。
	場合によっては、主観的な測定システムを使用することができ、属性の一致分析も行う必要があります。
	この場合、パッケージ化された製品の視覚的な評価を検討しています。丸みやエッジの損傷、エンボス加工などを探すことができます。
	可読性など。 改善が行われた後、鑑定機関内で 90 ～ 95% の同意を得ていることがわかります。
	全体として、一致および合意された部分の数に関して、一致レベルは 82% であることがわかります。
	各オペレーター内、および各オペレーター間で重要ですが、おそらくそれよりも重要なのは、標準への整合性である有効性です。
	その後、標準への同意率が 96% になったことがわかります。これは非常に良い結果です。 繰り返しになりますが、たとえ主観的であっても、当社の製品が確実に格付けされていることを保証できることはご存知のとおりです。
	もちろん、さまざまな要因の影響を定量化するために実験を計画することもできます。 この場合、私たちは WPNI (乳清タンパク質窒素指数) を見ているので、これは の尺度のレベルです。
	当社の製品のタンパク質変性は、製品が受けた熱処理のレベルを示すものであり、次のことが考えられます。
	すみません、熱処理のレベルはアプリケーションへの適用に影響を与える可能性があるため、これは非常に重要です。
	顧客の視点から。 したがって、たとえば、間違ったレベルの熱処理が適用された場合、それは、当社の製品を使用してヨーグルトを作りたいと考えている顧客が、
	その場合、その製品は適していません。なぜなら、ザラザラした感触、粒状の口当たり、おそらく、または何かが残る可能性があるためです。したがって、ヨーグルトのような製品には適していません。
	そのため、ホエイプロテイン窒素指数の結果が一貫性を持たないという問題があり、手順にいくつかの曖昧さがあることがわかりました。
	解釈の余地があるという点で。 つまり、何かを振るのはわかります、と言うかもしれません。
	このバイアルを振ってください、それは単に「振ってください」と言うかもしれません、そして誰かが「ええ、私は5秒間振った」と言うかもしれません、他の誰かが「私は10回反転しただけです」と言うかもしれません、そして他の誰かは「ええ、私は30秒間激しく振った」と言うかもしれません。
	したがって、誰もが最善の意図を持って手順に従っていましたが、手順があいまいであれば、解釈の余地があり、それが不一致につながる可能性もあります。
	したがって、私たちがやろうとしているのは、プロセスの変動に影響を与える可能性のある要因を理解するための試験を設計することです。
	ここで、塩化ナトリウム溶液について説明します。つまり、開始バーを使用して開始バーを使用せずに作成した単なる塩水溶液です。
	熱い場所での持続時間は 45 分または 60 分で、その溶液をここで使用し、この小さなテスト計画をここで使用しました。水浴の温度は 37 度と 40 度で、これはここに色分けされている 4 つの溶液のうちの 1 つです。
	それから、水浴の振盪間隔と滴下数もあり、塩酸も使用されていたと思います。
	また、インタラクティブ エクスプローラーを使用して、WPNI の結果が低い場合や、プロセスで何が起こっているかを確認することができます。 少し
	ここで何が起こっているのかを理解するのはさらに難しいため、明らかに、もう少し進んでモデルを構築し、何が起こっているのかを理解し始める必要があります。
	ここでのモデルは、私たちが話している強度の点で非常に優れており、R 2 乗はちょうど約 68% です。
	ここでの主効果がすぐに分かります。最大の主効果はウォーターバスの温度で、次に撹拌棒の持続時間とホットプレートの相互作用効果が続きます。
	そして、どのパラメータが引っ張られているか、どのエフェクトが引っ張られているか、エフェクトも確認できます。
	どの方向へのプロセスも。 そして、この下部には貴重な予測プロファイラーもあります。 何が起こっているのかを調べることができます。
	私が気に入っているのは、その出力を使用できることと、時々、これらの実験からの出力を教育の観点から使用することです。
	先ほど、撹拌棒とホットプレートでの持続時間が重要な要素であるとお話しましたが、これは相互作用効果であり、ある要素の効果が別の要素のレベル設定に依存する場合です。
	しかし、インタラクション効果についてページ上で誰かに説明してみることはできます。私たちは線を越えました、そして線が交差したということは、
	強い相互作用があり、線が平行であるが交差するように見える場合、それは小さな相互作用です。 あるいは、実際にデータを取得してプロットすることもできます。
	この場合、多くの人は 2 つの要素による相互作用がどのようなものかを実際に見たことがありません。これが相互作用...相互作用とはどのようなもので、... として使用できます。
	教育ツールとしても。 ここでの私たちのケースでは、Y 軸上に WPNI の結果が表示されます。申し訳ありませんが、はい、Y 軸上にあります。
	ホットプレートでの継続時間は 45 分と 60 分なので、撹拌棒を持たない 45 分に固定し、切り替えた場合...45 分のままで撹拌子に切り替えると、このレベルからこのレベルにジャンプしたことがわかります。
	一方、60 分で行くと、WPNI レベルがここにあり、撹拌バーなしで撹拌バーにジャンプすると、飛び降りるのがわかります。 それで
	ここほどジャンプは大きくありませんが、ホットプレート上の撹拌バーと持続時間に影響を与える相互作用が非常に大きいことがすぐにわかります。
	そして、これは、繰り返しになりますが、多くのプロセスの知識と理解として得られるものです。 いくつかの分類ツールも使用できるため、この場合はデシジョン ツリーを試して理解することができます。
	これはチーズの焦げ目に関する研究開発からの問い合わせであり、その名の通り、チーズの焦げ目に関するものです。
	ピザのように少し熱がかかる場合はオーブンで。 したがって、チーズがすぐに焦げることは望ましくありません。ピザにチェダーチーズが乗っている場合は、あまり早く焦げることは望ましくありません。
	命を吹き込み、調理するためのレシピが必要です。 繰り返しになりますが、ここで分類の例を示します。申し訳ありませんが、決定ツリーです。
	3 つの異なるレベル、お好みに応じて、木によって表される明るい、中程度、濃い茶色、色は緑色です。
	それぞれ琥珀色と赤色。 ここでは、ランニング時の pH が最も重要な要素であることがわかります。特に、ランニング時の pH が 6.48 より大きい場合、
	そうすれば、プロセスの 99.3% で明るい茶色がかった色になることがわかります。これが私たちが望んでいることです。 緑は良い、赤は悪い。 同様に、pH が 6.48 未満の場合、危険にさらされていることがわかっています。
	サンプルを採取すると、ブロック内のチーズ、文字通り 20 kg のブロックが隅から採取されます。そうすると、入手できる確率が 31% であることがわかります。
	濃い茶色になるので、うまくいきません。 この観点から見ると、
	オブジェクトの数であるカウントも同様に、ツリー上のリーフ ノードの終了に関しても同様に問題を引き起こします。 それであなたは得ることができます
	プロセスで何が起こっているかを、最も適切に分離する重要な要素（この場合は褐変分類）の観点から把握します。
	そして、私がここで秘密ブートストラップ フォレストと言ったのは、これが JMP 内で十分に活用されていないツールだと私が考えていることを知っているからです。デシジョン ツリーが何をするのか、どのように機能するのかを理解していれば、それが非常に強力なツールであることが理解できるでしょう。
	正直に言うと、決定木に使用されているアルゴリズムが反復二分法なのか、それとも
	C 4.5 または 5.0 などですが、私が知っているのは、予測子のスクリーニングではバックグラウンドでデシジョン ツリー アルゴリズムが利用され、ブートストラップ フォレストが使用されるということです。
	置換を伴うサンプリングも行い、これらのツリーの束を作成し、それらをすべて結合して、必要に応じてツリーの平均結果を取得します。 この場合、それを指摘すると、これは
	先ほどの 30 個の異なるマシン パラメーターの並列プロットの例ですが、この場合、実際には 31 個あることがわかります。
	なぜなら、私がチームに戻ったとき、このノズルの空気圧に何かが違う、それが重要な要素のようで、予測器のスクリーニングがそれを教えてくれていると言いました。
	部屋の後ろから手が挙がると、彼らは実際にこう言いました。
	すべてのパラメータのうち、これは実際にはマシンのパラメータではないため、おそらくそこに含めるべきではなかったのですが、何かが飛び出すかどうかを確認するために自分たちでそれを埋め込んだだけです。
	そして案の定、これはページから飛び出したものなので、取り出して個別に評価する必要がありました。
	プレゼンテーションという点では、私もほぼそこに到達しています。
	モデルを使用して将来のパフォーマンスを予測することで、私たちは洞察から先見の明へと移行しています。
	ここで、1,438 件の観測に基づいて、モデル有効性 76% というかなり強力なモデルを作成しました。
	問題は、年間を通じてどの曜日、どの週にもたらされる注文数の両方を予測できるツールを構築できるかということでした。
	得られる注文数も予測してください...申し訳ありませんが、同じ日に得られる注文量も予測しますか?
	そのため、すべての履歴データを取得し、予測プロファイラーを使用して、季節性の観点から、予測しようとしている内容に最も一般的な年を選択することができました。
	次に、該当する月、任意の日付、曜日に移動し、それが銀行休業日かどうかを判断します。
	ここで 2 つの異なる設定をセットアップしていることがわかります。 1 つは銀行休業日がある場合、もう 1 つは銀行休業日がない場合です。
	ここでも銀行休業日と曜日の間の相互作用効果が考えられます。 それで、ビジネスに戻ることができます。
	どの曜日であっても、2019 年 10 月 26 日は木曜日で銀行休業日の週末ではないため、120 件の注文が入ると予想され、これは 1,100 トン弱の製品が入荷することに相当します。
	それで、これを 2 つの週末、つまり銀行休業日があった週末と銀行休業日がなかった週末にわたって実行したところ、実際には 85% で、非常に良好でした。 したがって、モデルは 76% でしたが、実際にはかなり良好な結果が得られました。
	次に、洞察力から先見性へ、私たちは再びどこに目を向けます...季節の確実性を説明しようとしています。
	ここでは、2015、16、17、18 などのように、さまざまな年がさまざまな色で表されています。 そして、私たちはいくつかの飼料量の注文を調べています...
	ビジネス。 各ドットは週ごとの注文数量を表します。ここでやりすぎたのは、実際の予測モデルを重ね合わせたため、予測された値が
	それぞれの週。 また、実際に対するモデルの精度、つまり実際と予測がどのようになっているかを確認できます。
	そして、使えるようになったのですが、正直に言うと思い出せません...それは季節指数予測か季節 ARIMA のどちらかでした。
	季節？次の 6 か月がどうなるかを判断するための指標移動平均。
	また、季節性が課題となっている当社のビジネスにとって、これもまた非常に貴重であり、これらのツールを使用することで、今後ビジネスにどのようなレベルの注文が期待できるかを高い自信を持って使用することができます。
	そして最後に、これは大げさだと思いますが、私たちはこれまでニューラル ネットワーク以外の領域に入ったことがないからです。 したがって、この場合、プロセスで堆積物を等級分けできるかどうかを理解するための試みとしてニューラル ネットワークを使用します。 ADPI の結果がある場合、これは次のようになります。
	堆積物パッドでは、おそらく乾燥プロセスなどからの、おそらく焦げた粒子の量を調べていますが、私たちはどこにいるのでしょうか? それはレベル A、B、C、または D ですか?
	ここで、ふるいの結果はふるいに残った粒子の数を表し、タンブラーの結果 T1B1 は上部と下部を表します。
	T1 は水の上に浮いている粒子の数を表し、B は底の粒子、つまり底に沈んだ堆積物の数を表します。
	ここでもニューラル ネットワークで使用し、K 分割相互検証を使用しているため、K は 10 に設定されていると思います。 9つあります
	ここにも活性化機能があると思います。 はい、双曲線....線形、ガウス、そして双曲線正接も同様だと思います。
	そして、これらのそれぞれを使用できます
	インレットノードも活性化関数にフィードし、出力層もここにあり、最終結果が得られます。 それで、私たちは使うことができます、
	この場合、6,245 件の結果が
	モデルをトレーニングし、相互検証も使用して検証したら、ここで混同行列を作成できます。これも非常に優れています。 つまり、A1/A2 にはそれほど多くの値がありません。
	A1 の場合と同様に、B グレードまで評価されますが、これは、A2 グレードがあれば、ということを示しているようなものです。
	そのうち 35 個が真の 2 であり、A1 になるのは 2 個だけであると予測しました。したがって、何らかの誤差が存在する可能性があり、その誤差はモデルの状態に起因する可能性があります。
	ご存知のとおり、最初は採点者が手動でこれらのそれぞれに存在する違いをいつ、どこで評価しようとして作成されました。
	結果に曖昧さが生じ、最終的な判断を試みます。 ここでの質問は、最終的な呼び出しがどのようになるかをかなりの精度で予測する機械を導入できるかということだと思います。
	繰り返しますが、ここで A1 として割り当てられたグレードを取得する確率は、タンブラーの結果が T1B1 で、フローターやシンカーがほとんどない場合は、非常に高いと予想されます。
	また、粒子の量に関してふるいの結果も非常に低かった場合、A1 の結果がここに表示されることが期待されます。
	ここで A1 が表示されているという事実は、モデルのトレーニングが期待ほど効果的ではなく、モデルに何らかのエラーがあった可能性があることを示している可能性があります。
	ここでも、非常に...非常に複雑なモデルが作成されていることがわかります。
	これは、ニューラル ネットワークの観点からは誰もが知っていると思いますが、これは少しブラック ボックスです。 しかし、繰り返しになりますが、私たちが機械学習空間全体と AI に向けて一歩を踏み出し始めるにつれて、膨大な量のプロセス知識と概念実証が必要になると思います。
	それで、私が人々にたくさん発砲したことは知っています、そしてそれはかなり急いでいたので、おそらく全体と謝罪について何時間でも話すことができました...急いでいるように感じられた場合は申し訳ありませんが、私が言いたいのは、単なる結論としての考えです。
	どのような業界であっても、典型的なデータ分析環境からはかけ離れた農業業界であっても、どのような業界であっても、
	データ分析によりビジネスに大きな価値をもたらし、ビジネスのほぼすべての部分に手を差し伸べて支援することができます。
	また、単純なグラフ分析の価値を過小評価しないでください。 JMP に組み込まれているより強力な分析のいくつかを紹介し始めたのは、このプレゼンテーションの途中でした。
	すべての高度なツールの使い方を知り、それを使うための時間と場所があるのは素晴らしいことだと思いますが、シンプルでも非常に強力な場合があり、その価値を過小評価しないでください。
	それ以外は、聞いていただいた皆さんに感謝したいと思います。 ご質問やコメントがございましたら、大歓迎です。 ありがとう。

サミットのベスト起こるデータの視覚化Re: Dairygold でのデータ搾取: 棒グラフからニューラル ネットワークまで (2021-EU-30MP-735)

素晴らしいプレゼンテーション、キーラン。 ビジネス全体でさまざまなユースケースが見られるのは良いことです。

Re: Dairygold でのデータ搾取: 棒グラフからニューラル ネットワークまで (2021-EU-30MP-735)

さまざまなデータ分析がビジネスにどのように価値をもたらすかについて概要を説明する素晴らしいプレゼンテーション。 ユースケースと、これが Dairygold にとって価値がある理由をわかりやすく説明しました。

Re: Dairygold でのデータ搾取: 棒グラフからニューラル ネットワークまで (2021-EU-30MP-735)

やあキーラン

 

このプレゼンテーションに付随する日記はありますか? 本当に気に入っていて、再作成したいと思っているグラフはほとんどありません。このジャーナルは、これらのグラフを作成する仕組みを理解するのにきっと役立ちます。ありがとう。

Re: Dairygold でのデータ搾取: 棒グラフからニューラル ネットワークまで (2021-EU-30MP-735)

本当に素晴らしい概要です。 私は、Dairygold がこのアプローチを採用し、分析ツールに依存するまでにとった道のりについての視点を含むフォローアップ プレゼンテーションに興味があります。 このプレゼンテーションは、あたかもそれが現在のビジネス運営の中心であるかのように見せてくれました。これは素晴らしいことです。

 

また、プレゼンターは、組織が生成するすべてのデータは分析のために簡単にアクセスできるように見せましたが、これはそれ自体で非常に印象的であり、おそらくそのトピックだけをカバーするためのプレゼンテーション全体になる可能性があります。 素晴らしい！

 

 

Re: Dairygold でのデータ搾取: 棒グラフからニューラル ネットワークまで (2021-EU-30MP-735)

素晴らしいプレゼンテーション、キーラン。 そして、あなたは 1 時間で非常に多くのことをやり遂げました - 素晴らしいです!